1.简介
K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。
2. 算法大致流程为：
1）随机选取k个点作为种子点(这k个点不一定属于数据集)
2）分别计算每个数据点到k个种子点的距离，离哪个种子点最近，就属于哪类
3）重新计算k个种子点的坐标(简单常用的方法是求坐标值的平均值作为新的坐标值)
4）重复2、3步，直到种子点坐标不变或者循环次数完成
3.完整计算过程
1）设置实验数据
运行之后，效果如下图所示：
在图中，ABCDE五个点是待分类点，k1、k2是两个种子点。
2）计算ABCDE五个点到k1、k2的距离，离哪个点近，就属于哪个点，进行初步分类。
结果如图：
A、B属于k1，C、D、E属于k2
3）重新计算k1、k2的坐标。这里使用简单的坐标的平均值，使用其他算法也可以(例如以下三个公式)
a）Minkowski Distance公式——λ可以随意取值，可以是负数，也可以是正数，或是无穷大。